并购决策的博弈分析

本文应用博弈的思想构建了企业并购决策的系统博弈框架模型，试图解释当存在多个利益相关者时，并购决策如何产生。根据此框架，文中分析了主并企业内部股东和管理层，主并企业与政府、竞争对手和目标企业相互影响时，并购产生的条件。     

基于生态理论的品牌竞争策略研究

品牌管理是企业管理的重要工作,而传统品牌管理具有一定的局限性,品牌生态管理为品牌的发展提供了新视角、新思路和新方法。运用生态学的原理和规律来解决品牌管理的问题,构建品牌的竞争策略,有利于提高企业品牌与商业生态环境的协同进化能力和适应能力,对培育品牌,提升企业市场竞争力具有重要的意义。     

企业社会绩效与品牌金融价值关系的实证研究

本文运用世界品牌实验室(World Brand Lab)发布的《中国500最具价值品牌排行榜》中的上市公司作为样本,以中国社会科学院发布的2009年中国企业社会责任发展指数计量企业社会绩效,实证分析了企业社会绩效与品牌金融价值之间的相互关系,结果发现:企业社会绩效与品牌金融价值存在相互促进的关系;企业规模不仅影响企业社会绩效,也影响品牌金融价值;企业社会绩效与企业性质存在显著的负相关,国有企业比非国有企业承担更多地企业社会责任,而对于品牌金融价值,无论是国有企业,还是非国有企业,均不受企业性质的影响。     

基于LMDI模型的CO2排放影响因素研究——以江苏省为例

本文采用Kaya及其扩展模型将CO2排放影响因素划分为产业能源强度、生活能源强度、能源结构、产业结构、人均产出、人居收入和人口总数7个方面。根据1995～2009年江苏省一、二、三产业和居民生活部门的12种能源消费数据,利用LMDI模型分解计算出7个因素的CO2排放量和贡献值。研究结果表明,1995～2009年江苏省CO2排放量总体呈上升趋势;人均产出、人居收入和人口总数对CO2排放起到正向驱动作用,产业能源强度、生活能源强度、能源结构、产业结构起到负向驱动作用,人均产出和产业能源强度分别是影响CO2排放的正向和负向主导因素。降低CO2排放量,需要通过提高产业能源强度、调整产业结构、能源结构和促进居民生活方式和消费模式的转变,要坚持计划生育的基本国策。     

CO2排放的影响因素及预测研究——以江苏为例

发展低碳经济,减少CO2排放是大势所趋.通过对江苏省1996～2010年GDP、产业结构、人口、城市化率、人均收入、能源效率等因素和CO2排放量的数据进行多元回归分析发现:影响江苏CO2排放的因素主要有GDP和第三产业结构比例,其中GDP呈正向驱动效应,第三产业结构比例呈负向驱动效应,且GDP对CO2排放的影响超过第三产业结构比例.同时,预测结果表明:江苏CO2的总体排放量仍呈增加趋势,年均增长7.34％.因此,必须进一步加大产业结构、能源结构的调整和节能技术的发展.     

基于支持向量机的现金流时间序列预测分析

准确合理地预测现金流量是决策者面临的重要课题之一。文章通过采用支持向量机进行建模和仿真,利用滑动窗技术,对一汽轿车的现金流量预测进行了实证研究。研究结果表明,支持向量机模型在小样本条件下具有较好的预测效果。模型的拟合和预测效果与滑动窗发送器的尺寸和具体的权重函数选择有关。     

浅谈中小企业竞争力提升的策略

中小企业在各国的经济发展中居于很重要的地位,发挥着不可替代的积极作用,但其竞争环境也越来越激烈。然而,中小企业在发展过程中也被一些问题所困扰,导致其竞争力水平不高。因此,研究如何提升中小企业竞争力具有重要的现实意义。     

苏州中小服装企业竞争力分析

苏州中小服装企业为苏州经济发展做出了巨大的贡献,但伴随着中国经济的发展,苏州中小服装企业在发展过程中也遇到了各种各样的问题。本文在研究苏州中小服装企业竞争力发展状况的基础上,提出了提升苏州中小服装企业竞争力的策略。     

苏州中小服装企业竞争力影响因素研究

苏州中小服装企业在苏州经济发展中做出了巨大贡献,但也遇到了各种各样的问题。本文通过分析苏州中小服装企业竞争力的影响因素,提出提升苏州中小服装企业竞争力的策略。     

基于LSTM深度学习的大豆期货价格预测

面对越来越复杂的金融市场环境,以传统统计学和计量学为主的时间序列预测模型在发现序列中的长期依赖关系方面存在一定局限性,而深度学习中的长短期记忆(LSTM)网络有望克服这一问题。通过构造一个多层LSTM网络价格预测模型,使用中国2007—2019年大豆期货价格数据进行了实证研究。结果显示,参数调优对LSTM网络模型预测效果有着较大影响,其中影响较大的主要参数包括迭代次数、学习率、窗口大小和网络层数等;与ARIMA模型、MLP模型、SVR模型相比,LSTM网络模型的预测结果准确性更高,在拟合优度(R-2)上分别提高了1.064%、2.147%、1.674%。LSTM网络模型在价格预测方面的良好表现,为预测大豆期货价格提供了新思路。